Perguntas com a marcação «lg.learning»

Estou pensando no seguinte problema: Quero encontrar uma expressão regular que corresponda a um conjunto específico de cadeias de caracteres (por exemplo, endereços de email válidos) e não a outros (endereços de email inválidos). Suponha que por expressão regular queremos dizer alguma máquina de estado finito bem definida, que eu …

43 np-hardness  fl.formal-languages  lg.learning  regular-expressions 

Sabemos que (ver, por exemplo, Teoremas 1 e 3 de [1]), grosso modo, sob condições adequadas, funções que podem ser computadas eficientemente pela máquina de Turing em tempo polinomial ("computável eficientemente") podem ser expressas por redes neurais polinomiais com tamanhos razoáveis ​​e, portanto, pode ser aprendido com a complexidade da …

28 cc.complexity-theory  np-hardness  machine-learning  turing-machines  lg.learning 

Uma máquina PHPHPH recebe acesso Oracle a uma função booleana aleatória f:{0,1}n→{−1,1}f:{0,1}n→{−1,1}f:\{0,1\}^n \to \{ -1,1 \} e dois espectros de Fourier ggg e hhh . O espectro de Fourier de uma função fff é definido como F:{0,1}n→RF:{0,1}n→RF:\{0,1\}^n \to R : F(s)=∑x∈{0,1}n(−1)(s⋅xmod 2)f(x)F(s)=∑x∈{0,1}n(−1)(s⋅xmod 2)f(x)F(s)=\sum_{x\in\{0,1\}^n} (-1)^\left( s\cdot x \mod\ 2 \right) f(x) …

26 cc.complexity-theory  lg.learning  boolean-functions  fourier-analysis 

A classificação de sinal de uma matriz A com entradas + 1, -1 é a menor classificação (acima dos reais) de uma matriz B que possui o mesmo padrão de sinal de A (ou seja, para todos os i , j ) Essa noção é importante na complexidade da comunicação …

25 lg.learning  open-problem  communication-complexity  matrices 

Existe uma grande literatura sobre "teste de propriedade" - o problema de fazer um pequeno número de consultas de caixa preta em uma função para distinguir entre dois casos:f: { 0 , 1 }n→ Rf:{0,1}n→Rf\colon\{0,1\}^n \to R fff é membro de alguma classe de funçõesCC\mathcal{C} fff é de todas as …

20 reference-request  lg.learning  metrics  property-testing  black-box 

Aqui está uma abstração de um problema de aprendizado / bandido on-line em que estive trabalhando no verão. Eu nunca vi um problema como esse antes e parece bastante interessante. Se você conhece algum trabalho relacionado, eu gostaria de receber referências. O problema A configuração é a de bandidos com …

19 machine-learning  lg.learning  online-learning 

A "otimização convexa on-line" de Zinkevich ( http://www.cs.cmu.edu/~maz/publications/ICML03.pdf ) generaliza os algoritmos de aprendizado de "minimização de arrependimento", de configurações lineares a convexas e fornece bom "arrependimento externo" . Existe uma generalização semelhante para arrependimento interno? (Não tenho muita certeza nem do que exatamente isso significaria.)

19 lg.learning  online-learning 

Estou tentando entender a complexidade das funções expressáveis ​​através de portas de limiar e isso me levou a . Em particular, estou interessado no que se sabe atualmente sobre o aprendizado no T C 0 , pois não sou especialista na área.TC0TC0\mathsf{TC}^0TC0TC0\mathsf{TC}^0 O que eu descobri até agora é: Todos …

16 cc.complexity-theory  reference-request  cr.crypto-security  lg.learning  boolean-functions 

Edit: Como não recebo nenhuma resposta / comentário há uma semana, gostaria de acrescentar que estou feliz em saber algo sobre o problema. Eu não trabalho na área, portanto, mesmo que seja uma observação simples, talvez eu não saiba. Mesmo um comentário como "Eu trabalho na área, mas não vi …

15 reference-request  machine-learning  lg.learning 

Considere (X,≤)(X,≤)(X, \leq) um poset finita sobre itens, e um predicado monótona desconhecido através (isto é, para qualquer , , se e , em seguida, ). Eu posso avaliar fornecendo um nó e descobrindo sennnPPPXXXxxxy∈Xy∈Xy \in XP(x)P(x)P(x)x≤yx≤yx \leq yP(y)P(y)P(y)PPPx∈Xx∈Xx \in XP(x)P(x)P(x) é válido ou não. Meu objetivo é determinar exatamente …

15 ds.algorithms  lg.learning  partial-order  search-problem  order-theory 

fundo As funções em são aprendidas pelo PAC em tempo quase-polinomial com um algoritmo clássico que requer O ( 2 l o g ( n ) O ( d ) ) consultas escolhidas aleatoriamente para aprender um circuito de profundidade d [1]. Se não houver um algoritmo de fatoração 2 …

15 quantum-computing  lg.learning  machine-learning  open-problem  ne.neural-evol 

Qual é a complexidade de consulta mais conhecida do algoritmo de aprendizado Goldreich-Levin? As notas da palestra do blog de Luca Trevisan , Lemma 3, afirmam . Isso é o mais conhecido em termos de dependência de n ? Ficarei particularmente grato por uma referência a uma fonte citável!O ( …

14 cc.complexity-theory  reference-request  lg.learning  fourier-analysis 

Eu atribuído meus alunos o problema de encontrar um triângulo consistente com uma coleção de pontos em R 2 , rotulado com ± 1 . (Um triângulo T é consistente com a amostra rotulada se T contém todos os pontos positivos e nenhum dos pontos negativos; por suposição, a amostra …

13 cg.comp-geom  machine-learning  lg.learning  convex-geometry 

Fiz essa pergunta em perguntas e respostas cruzadas validadas, mas parece que ela está relacionada ao CS muito mais que o Statistics. Você pode me dar exemplos de algoritmos de aprendizado de máquina que aprendem com as propriedades estatísticas do conjunto de dados e não com as próprias observações individuais, …

13 lg.learning  machine-learning 

Antecedentes: No aprendizado de máquina, geralmente trabalhamos com modelos gráficos para representar funções de densidade de probabilidade dimensional alta. Se descartamos a restrição de que uma densidade se integra (soma) a 1, obtemos uma função de energia estruturada em gráfico não normalizada . Suponha que tenhamos uma função energética, , …

13 reference-request  machine-learning  lg.learning  boolean-functions